
Recursos selecionados para complementar sua leitura
Enquanto o mercado se deslumbra com o Model Context Protocol (MCP), desenvolvedores de elite estão percebendo que abstrair ferramentas através de protocolos JSON-RPC cria um gargalo de latência, custo e imprecisão. Este manifesto técnico disseca por que a composição Unix (
acli,gh,aws,kubectl) é ordens de magnitude superior a qualquer arquitetura baseada em agentes MCP, e como o futuro da IA não é sobre "plugins", mas sobre a maestria do Shell.
São 2h da manhã. Um incidente de severidade 1 (Sev1) acaba de estourar. O cluster de produção está com 90% de taxa de erro. Você tem dois engenheiros na sala.
O Engenheiro A é um entusiasta do "AI-Native". Ele abre seu cliente de IA configurado com 15 servidores MCP. Ele digita: "Claude, analise os logs do serviço de checkout, identifique o erro e aplique o fix". O Claude começa a "pensar". Ele chama o servidor MCP do Kubernetes. O servidor responde com um JSON gigante contendo a lista de todos os pods. O Claude lê (gastando 4.000 tokens). Ele decide qual pod inspecionar. Chama o servidor MCP de logs. O log vem truncado porque o buffer do protocolo MCP expirou. O Claude tenta de novo. Cinco minutos se passam em uma conversa assíncrona e custosa entre o modelo e o protocolo.
O Engenheiro B ignora o hype. Ele abre o terminal e digita:
kubectl logs -l app=checkout --tail=100 | grep "ERROR" | acli issue create --summary "Sev1: Checkout Breakdown" --description -
Em 15 segundos, o erro foi identificado (um conflito de versão de esquema no Postgres), o log foi capturado e um ticket no Jira foi criado via acli. Ele então cola apenas as 10 linhas relevantes do erro para o Claude e diz: "Explique por que o Postgres está rejeitando este JSON". O Claude responde instantaneamente com a solução.
O Engenheiro A ainda está esperando o servidor MCP terminar de listar as Namespaces.
Este não é um caso isolado. É o sintoma de uma doença que está infectando a engenharia de software: a sobre-abstração do contexto. Estamos tentando construir "talheres de plástico" (MCP) para que a IA possa comer, quando a IA já é perfeitamente capaz de usar a "faca de caça" (CLI) se soubermos como dar a ela.
Para entender por que a CLI ganha, precisamos entender a hierarquia da informação.
O MCP (Model Context Protocol) é, na prática, um "Wrapper de Wrapper". Ele tenta transformar APIs proprietárias em um esquema JSON-RPC que o LLM consiga "entender". O problema? O LLM já entende texto. O Bash é a linguagem universal do texto. Ao usar MCP, você está pagando um "imposto de tradução":
gh, a IA nunca a verá.A CLI foi projetada sob a Filosofia Unix: programas pequenos que fazem uma coisa bem e se comunicam via texto. A IA é, essencialmente, o processador de texto definitivo. A conexão entre IA e CLI é orgânica. O MCP é um transplante de órgão que o sistema muitas vezes rejeita.
O Atlassian CLI (acli) é uma ferramenta de força bruta. Ele permite que você manipule o Jira, Confluence e Bitbucket sem nunca tirar as mãos do teclado.
Imagine que você precisa atualizar 50 tickets que estão parados em "In Review" há mais de 3 dias e adicionar um comentário de "Ping" para os donos.
Com MCP: A IA terá que listar os tickets (JSON massivo). Depois, para cada ticket, ela enviará uma requisição de atualização. Se o Jira da sua empresa tem campos obrigatórios customizados que o servidor MCP não mapeou, o agente vai alucinar tentando adivinhar como preencher o campo.
Com CLI (acli + jq):
Você (ou a IA operando o shell) roda:
acli issue list --jql "status = 'In Review' AND updated < -3d" --plain | awk '{print $1}' | xargs -I {} acli issue comment {} --comment "Status update requested."
É determinístico. É binário. É impossível de o protocolo "atravessar" a informação.
Aversão à Perda: Ao usar MCP para Jira, você perde o controle granular sobre os metadados. O acli permite que você passe arquivos inteiros como descrição, anexe logs brutos e manipule estados de transição com precisão de microssegundos.
gh vs. GitHub MCP)A CLI gh é talvez a ferramenta mais bem escrita da última década. Ela expõe praticamente 100% da API do GitHub de forma ergonômica.
Se você pedir para uma IA com MCP: "Encontre todos os PRs que mudaram o arquivo auth.ts no último mês e resuma o impacto".
O MCP do GitHub vai tentar listar PRs, depois filtrar, depois pegar o conteúdo de cada um. Isso vai estourar o limite de tokens em 30 segundos.
A Estratégia Vencedora (CLI-First):
gh pr list --state merged --json number,title,updatedAt --template '{{range .}}{{if (gt .updatedAt "2026-03-01T00:00:00Z")}}{{.number}} {{.title}}{{"\n"}}{{end}}{{end}}' | xargs -n 1 gh pr view --json files --template '{{range .files}}{{if eq .path "src/auth.ts"}}{{$.number}}{{end}}{{end}}'
A CLI filtra os dados antes de chegarem ao LLM. O LLM recebe apenas os números dos PRs relevantes. Resultado: Você gastou 100 tokens. O MCP gastaria 50.000.
Aqui é onde o MCP se torna perigoso. Abstrair o controle de infraestrutura atrás de um protocolo de agente é um convite ao desastre.
Em vez de perguntar "IA, como está meu cluster?", você usa a CLI para extrair o estado e o LLM para diagnosticar.
Debug de K8s Invicto:
kubectl get events --sort-by='.lastTimestamp' | tail -n 20
Passe isso para a IA. Ela verá os erros de ImagePullBackOff ou OOMKilled imediatamente. Um servidor MCP de Kubernetes muitas vezes tenta "embelezar" o evento, removendo o Reason exato que o engenheiro precisa para consertar o problema.
AWS CLI (aws):
Tentar gerenciar permissões IAM via MCP é frustrante. As políticas são documentos JSON complexos.
Abordagem de Elite:
.json.aws iam put-user-policy --user-name dev-user --policy-name S3Access --policy-document file://policy.json.Vamos falar de dinheiro. O uso de IA em escala empresarial é caro.
Muitos servidores MCP são open-source. Parece grátis. Mas o custo está no Context Window.
{"id": "ISS-123", "summary": "Fix bug", "status": "Open"} (Aprox. 25 tokens)ISS-123 | Fix bug | Open (Aprox. 8 tokens)Em um projeto com 1.000 interações diárias, a CLI economiza milhares de dólares em tokens de entrada. Além disso, a CLI não sofre de Paradoxo da Escolha. Quando você tem 20 ferramentas MCP, o LLM gasta tempo de processamento decidindo qual usar. Na CLI, a IA simplesmente executa o comando que você (ou o fluxo) determinou.
Não estamos dizendo para você abandonar a IA. Estamos dizendo para mudar a interface.
A melhor forma de usar IA hoje é o que chamamos de Transpilação de Intenção para Bash.
orders no banco de produção nas últimas 2 horas."psql:SELECT action_tstamp_clk, row_data, query FROM audit.logged_actions WHERE table_name = 'orders' AND action = 'D' AND action_tstamp_clk > now() - interval '2 hours';
Esta arquitetura é Resiliente ao Tempo (Lindy Effect). O psql não vai mudar sua interface amanhã. O servidor MCP do Postgres pode parar de ser mantido pelo autor original na próxima semana.
O MCP é uma tentativa nobre de padronizar a internet das ferramentas. Para usuários não-técnicos, ele é uma ponte necessária. Para engenheiros de software, ele é uma abstração vazia.
O verdadeiro poder de um desenvolvedor na era da IA não está em saber configurar plugins, mas em saber compor comandos. Se você domina o Bash e as CLIs modernas como gh, acli e aws, você tem um superpoder que nenhum agente autônomo baseado em "clicks" ou "schemas" pode alcançar.
A IA é o motor. O contexto é o combustível. A CLI é a estrada.
Não deixe que protocolos complexos coloquem lombadas na sua rodovia de produtividade.
Sua Próxima Ação:
Desinstale aquele servidor MCP experimental que está falhando metade das vezes. Em vez disso, ensine sua IA a usar o man das suas CLIs favoritas. O resultado vai te surpreender.
gh)# Listar falhas em Actions e pegar o log direto para a IA
gh run list --status failure --limit 1 | awk '{print $1}' | xargs -I {} gh run view {} --log
acli)# Criar tickets em massa a partir de um arquivo de logs
grep "FATAL" error.log | acli issue create --project DEVOPS --type Bug --summary "Log error" --description -
kubectl)# Explicar por que o deployment falhou
kubectl describe deploy <name> | tail -n 20

Software Engineer & Consultant
Pós-graduado em arquitetura de software e soluções. Conecto profundidade técnica com resultados de negócio para entregar produtos que as pessoas realmente usam. Também mentoro desenvolvedores e criadores em programas ao vivo, podcasts e iniciativas de comunidade focadas em tecnologia inclusiva.
Checklist de 47 pontos para encontrar bugs, riscos de segurança e problemas de performance antes do lançamento.
Continue explorando tópicos similares

Aprenda Model Context Protocol (MCP) na prática: conceitos, arquitetura e exemplos reais com Claude Code para criar agentes e workflows de IA escaláveis.

Gerenciar o tempo se tornou uma habilidade crítica na carreira de qualquer desenvolvedor. Entre interrupções constantes, múltiplas demandas e a pressão por entregas rápidas, o método Get It Done surge como uma estrutura simples e poderosa para recuperar o foco, organizar prioridades e produzir com qualidade. Neste artigo, Lemon explora como aplicar o GID aliado a Deep Work, Notion e técnicas de produtividade usadas por especialistas como David Allen, Cal Newport e Augusto Titan — um guia técnico e prático para quem quer subir de nível na área.
Templates testados em produção, usados por desenvolvedores. Economize semanas de setup no seu próximo projeto.
Consultorias modulares para founders e CTOs fracionados. Você recebe diagnóstico acionável e acompanhamento direto comigo.
2 vagas para consultorias no Q2